Este proyecto consiste en una clase de Python llamada NILM (Neural Network Image Classifier) diseñada para realizar predicciones sobre imágenes utilizando un modelo de red neuronal convolucional pre-entrenado. El propósito principal de esta clase es predecir y clasificar imágenes en una de las cuatro clases distintas.
Para utilizar la clase NILM, sigue estos pasos:
-
Instalación de dependencias: Asegúrate de tener instaladas las siguientes dependencias:
- Keras
- numpy
-
Importa la clase NILM: En tu script de Python, importa la clase NILM desde el archivo que contiene su definición.
from NILM import NILM
-
Inicializa la clase NILM: Carga el modelo de red neuronal convolucional pre-entrenado proporcionando la ruta al archivo del modelo como argumento.
classifier = NILM("ruta/al/modelo.h5")
-
Realiza predicciones: Utiliza el método predict() para realizar predicciones sobre imágenes. Este método toma la ruta de la imagen como argumento y devuelve la clase predicha y la probabilidad asociada.
clase_predicha, probabilidad = classifier.predict("ruta/a/la/imagen.jpg") print("Clase predicha:", clase_predicha) print("Probabilidad:", probabilidad)
Clases Disponibles
El modelo de red neuronal convolucional pre-entrenado está configurado para clasificar las imágenes en las siguientes cuatro clases:
DISH FRIDGE HTPC KETTLE WASHER
Atributos y Métodos
La clase NILM tiene los siguientes atributos y métodos:
model: El modelo de red neuronal cargado. actual_classes: Lista de las clases actuales utilizadas para la predicción.
Métodos:
init(model_path): Inicializa la clase NILM cargando el modelo de red neuronal desde el archivo especificado. predict(image_path): Realiza la predicción sobre la imagen en la ruta especificada y devuelve la clase predicha y la probabilidad asociada.
Contribución Siéntete libre de contribuir a este proyecto añadiendo nuevas funcionalidades, corrigiendo errores o mejorando la documentación. ¡Toda ayuda es bienvenida!
Licencia Este proyecto está bajo la licencia MIT.
